一种改进的新型滤波方法用于参数辨识

针对辅助粒子滤波方法用于参数辨识时,存在计算量大、计算时间长的缺点,提出了一种新的参数辨识方法。该方法基于一种新型非线性最优滤波方法,这种滤波方法通过估计先验分布到后验分布的映射,缩小估计概率分布与真实概率分布的差异来逼近真实概率分布。提出了利用增广状态,结合滤波方法,通过辅助变量解决参数估计问题;理论证明了该滤波算法对于非线性分布函数的最高逼近精度与所用支持点数的2倍成反比。所提出的参数辨识方法与辅助粒子滤波用于参数辨识相比,计算复杂度低,计算时间少,并且能够取得相近的精度;计算效率较粒子滤波方法高;仿真实验验证了所提出算法的有效性,比辅助粒子滤波用于参数辨识有更好的特性。     

基于扩展H_∞粒子滤波算法的视觉伺服雅可比矩阵在线辨识

为提高图像雅可比矩阵在线辨识精度,进而提高机器人轨迹跟踪的准确性,研究了基于图像的机器人视觉伺服系统中雅可比矩阵在线辨识方法。在非高斯环境下以机械手跟踪运动为应用实例,采用一种扩展H_∞粒子滤波算法对图像雅可比矩阵进行在线辨识,并且与卡尔曼滤波算法进行对比实验研究。实验结果表明,扩展H_∞粒子滤波算法具有较高的辨识精度和较强的鲁棒性,机器人轨迹跟踪精度得到提高,而且耗时较短,验证了扩展H_∞粒子滤波算法的有效性。     

有源护耳器系统频响的实验研究

分析了有源扩耳器系统的被控制对象，采用自适应滤波辨识方法对系统进行了辨识实验研究，得到了系统的模型和参数。     

遗忘漂移时变系统的辨识

遗忘漂移时变系统的辨识极为困难 ,关键在于参数模型中的矩阵 H是未知的。为解决此问题 ,提出了当 H已知时 ,采用遗忘梯度辨识算法和多新息辨识算法 ;当 H未知时 ,采用递阶辨识方法。提出的遗忘梯度算法、遗忘漂移多新息辨识和递阶辨识算法的计算量都较增广 Kalm an滤波算法小。仿真结果表明 :遗忘梯度算法估计遗忘漂移时变参数的精度优于 Kalm an滤波算法     

一种基于神经网络PID的机器人SLAM改进算法

提出了一种基于神经网络PID自适应辨识噪声的移动机器人即时定位与地图创建(SLAM)改进算法。重点对自适应辨识的EKF-SLAM改进算法实现进行了分析,神经网络PID控制器、中值滤波以及噪声调整等组成噪声在线辨识单元。在噪声先验信息不足的情况下,通过自适应在线辨识单元辨识未知系统过程噪声和观测噪声,并迭代修正噪声协方差和平均值滤波新息协方差,实现机器人即时定位精度的在线提高。仿真结果表明,该算法可减小定位误差、降低未知系统过程噪声和观测噪声对SLAM算法的影响。     

基于和声搜索的自适应滤波算法

针对子空间辨识方法,从状态空间模型向I/O差分方程转化的取向,使有关矩阵的维数增加,计算复杂度增大的问题,提出了用和声搜索算法辨识CARMA(Controlled Auto-Regressive Moving Average)模型子阶、时滞和参数的方案.该方案基于所提出的输入输出模型转化为状态空间模型的定理,使相应的状态空间模型在CARMA模型辨识之后也被辨识.以油井热洗为例,进行了自适应滤波估计.估计结果表明:该算法有较高的滤波和预报的精度,滤波和一步预报的误差方差的最大值在0.01以内,与子空间辨识方案相比,本方案的计算量约为前者的五分之一.     

混合滤波去噪与微粒群算法优化的辨识方法

针对实际系统信号中不可避免会存在噪声和瞬时扰动,提出了多项式预测与中值滤波相结合的混合实时滤波算法,消除噪声污染.对于去噪后的数据,由于包含瞬时扰动,故用最小二乘辨识算法仍然不能获得满意的结果.为此,在混合滤波去噪的基础上,采用了一种用微粒群算法优化的最小绝对误差辨识算法.仿真实验表明,所提出的方法能够同时克服噪声和瞬时扰动的不利影响,并能获得较好的辨识结果.     

基于滤波电感辨识及延时补偿的并网逆变器模型预测控制

针对三相并网逆变器采用传统模型预测控制时,因模型失配造成输出电流畸变率大、谐波含量高、并网效率低的问题,文章提出了一种基于滤波电感辨识及延时补偿的模型预测控制方案,将在线辨识的滤波电感和延时补偿的电压电流应用到三相并网逆变器模型预测控制系统中,并在MATLAB/Simulink环境下进行了仿真,仿真结果表明:基于滤波电感在线辨识及延时补偿的模型预测控制具有很好的动、静态特性,输出电流正弦度好、谐波含量少,验证了方案的可行性和正确性.     

基于UKF的汽轮机调节系统参数辨识方法研究

在介绍UKF（Unscented Kalman Filter）滤波算法的基础上,将其应用于汽轮机数字电液调节系统的参数辨识.通过仿真验证了方法的有效性.结果表明,UKF滤波能够得到较为满意的估计精度,是实现汽轮机调节系统参数辨识的一种有效的新方法,具有重要的工程应用前景和使用价值.     

基于改进FIRE滤波技术和Prony算法的低频振荡模式辨识研究

提出一种改进FIRE(Fuzzy Inference Ruled by Else-action)滤波和改进Prony法相结合的低频振荡模式辨识方法.该方法用改进后具有检测层和调整层的FIRE滤波技术对数据进行快速预处理,再用改进Prony法对滤波后的信号进行分析得到电力系统的低频振荡模式.将该方法分别用于分析试验信号和IEEE 4机系统振荡信号,并同带有传统模糊滤波器的Prony分析结果比较可以看出,改进后的方法可将低频振荡的主导模式在一定的噪声环境下比较准确和快速的辨识出来,且辨识的阶数更接近于实际阶数,验证了其可靠性和实用性.     

用模型扩展法辨识具有非平稳扰动的系统

在辨识实际系统时,非平稳噪声扰动是较多见的。目前用得较多的预滤波处理法由于受到一些先验知识的限制,常常得不到较好的辨识结果。本文通过对一类非平稳随机过程的描述,提出一种扩展辨识模型的修正辨识算法,可在不作滤波预处理的情况下,得到非平稳噪声扰动下系统参数的无偏估计。仿真试验证明了修正算法是简单可行的,且仍可在平稳随机噪声条件下使用。     

信号通路模型参数优化的非线性滤波方法

提出采用非线性滤波方法--平方根UKF估计信号通路模型的未知参数,利用协方差平方根代替协方差参加递推运算,保证了滤波算法的数值稳定性.以肿瘤坏死因子诱导的核转录因子κB信号转导网络为例,利用平方根UKF对系统模型的未知参数进行辨识.仿真结果表明,该非线性滤波方法能够从噪声数据中提取有效信号,提高了参数估计的精度,为解决复杂信号通路参数辨识中的不确定性问题提供了可靠的方法.     

模型集自适应的交互多模型辅助粒子滤波算法

为了提高机动目标的跟踪精度,提出一种基于目标转弯率模型的模型集自适应交互多模型辅助粒子滤波算法(AMSIMMAPF).采用转弯率模型实时辨识目标的角速度,根据辨识到的角速度来更新交互多模型的模型集.利用辅助粒子滤波可以避免粒子权值退化、样本衰减,不受线性模型高斯噪声限制的特点,各模型滤波选用辅助粒子滤波算法以提高跟踪精度.理论分析和仿真结果表明,与交互多模型粒子滤波算法相比,本算法具有跟踪精度高,计算量小的特点.     

基于ARMA模型滤波的微弱信号辨识

双线性时频分布能更全面地表征复杂背景下瞬态机械故障信号特征,但双线性时频变换固有的交叉项干扰严重影响了算法的时频分辨率。探讨了双线性时频分析技术在微弱瞬态信号辨识中的应用,提出采用ARMA模型滤波的方法来抑制双线性Wigner-Ville时频变换的交叉项干扰,并给出算法推导。结合实验数据,对比平滑伪Wigner-Ville算法的信号辨识结果,表明基于ARMA模型预滤波的双线性时频分析能更好的抑制交叉项干扰,具备更高的时频分辨能力和瞬态微弱信号辨识能力。     

基于模型参数在线辨识技术的SOC估算方法

针对遗传算法(genetic algorithm,GA)存在收敛速度慢、易陷入局部最优以及难以实现在线应用的问题,面向如动力电池等效电路模型一类非线性较强、实时性要求高的模型辨识问题,提出一种能够快速缩小搜索空间,且有效避免陷入局部最优的在线快速搜索的优化辨识框架,实现电动汽车动力电池等效电路模型参数在线快速辨识,扩展全局搜索优化算法的应用范围.进一步,将此算法应用于电池剩余荷电状态(SOC)估算问题,提出基于改进GA参数辨识技术的无迹粒子滤波SOC估算方法(IGA-UPF).并将此SOC估算方法与基于最小二乘参数辨识技术的无迹粒子滤波的SOC估算算法(LS-UPF)作比较,结果验证了本文提出的在线快速参数辨识框架具有更好的模型参数辨识精度.     

四旋翼无人机的参数辨识方法

研究了四旋翼无人机的参数辨识问题,建立了 6自由度的四旋翼无人机的动力学模型,运用递推最小二乘法进行模型的参数辨识,并引入互补滤波器处理噪声,引入跟踪微分器观测输出信号的微分信号,从而提高参数辨识的精度.仿真结果表明,互补滤波器对来源不同的、分别带有高频和低频噪声的信号有良好的滤波效果,参数辨识的精度也是令人满意的.     

利用噪声相对量辨识与优化齿轮敲击噪声

以人耳听觉特性为基础,提出运用噪声相对量辨识和优化齿轮敲击噪声的方法.该方法首先对测量得到的噪声信号进行外耳、中耳和内耳噪声传递特性滤波,然后进行回归与平滑处理获得稳态噪声信号,将滤波后的噪声信号减去稳态噪声信号,得到的噪声相对量即为非承载齿轮对的瞬态敲击噪声信号,最终辨识出齿轮敲击噪声的发生时刻、频率范围和水平.辨识结果与人的主观感受一致,齿轮敲击噪声被准确辨识.利用该方法得到了各非承载挡的敲击噪声贡献量,确定倒挡是齿轮敲击噪声的主要噪声源.采用提高倒挡齿轮对加工精度使其最小间隙减小约50.0%后,齿轮敲击噪声水平降低了17.4%,齿轮敲击噪声性能得到有效改善.     

神经网络在自适应滤波中的应用

利用神经网络对白噪声、红噪声和正弦波进行辨识，进而采用单片机对以上３种噪声和尖峰脉冲干扰进行自适应滤波处理，实验结果表明该方案正确。     

一种基于自适应滤波的系统辨识方法

采用自适应滤波技术，给出了系统辨识的一种方法。该方法具有计算简单、实用的特点，可以在理论模型不清楚的情况下，通过测量和学习，实现对未知系统的最佳拟合。     

基于端点检测的时频峰值滤波动液面提取技术

油套环空中会产生各种噪声，使测得的液面反射信号非常复杂，真实的液面反射波位置因受到干扰而无法准确辨识。采用时频峰值滤波（TFPF）技术结合语音信号处理中的端点检测（VAD）方法可对动液面波进行有效提取。VAD-TFPF技术先采用短时能量和过零率的双门限VAD方法对声波法测油井信号进行划分，判断出有效信号数据段和接近于零值的数据段，然后采用不同窗长的TFPF分别对两种数据段进行滤波处理。通过对不同噪声强度下的实测数据进行滤波实验与分析，可知该项新技术较之于小波阈值滤波方法对动液面波的辨识能力更强，无论是对背景噪声的压制还是对有效波的提取都表现出更优越的性能。